医療質問応答（QA）には、特定のドメインに関する広範な知識へのアクセスが不可欠です。本記事では、外部知識とモデルのパラメトリック知識を統合した新しいフレームワーク「MedRGAG」を提案しています。このフレームワークは、知識に基づく背景文書を生成する「KGCC（Knowledge-Guided Context Completion）」と、取得した文書と生成した文書を最適に組み合わせる「KADS（Knowledge-Aware Document Selection）」の2つのモジュールから構成されています。従来のアプローチであるRAG（Retrieval-Augmented Generation）は、ノイズの多い情報や不完全な取得による問題があり、GAG（Generation-Augmented Generation）は、誤情報に寄与しやすいといった課題があります。「MedRGAG」は実験において、医療QAの5つのベンチマークで12.5%の改善を達成し、知識に基づく推論における取得と生成の統合の有効性を示しています。